极天信息入选《2020爱分析·知识图谱厂商全景报告》

报告摘要

在数字化转型的过程中,企业面临快速增长的数据压力,如何从海量数据中挖掘有价值的信息成为企业当前亟需解决的关键问题。知识图谱提供了一种从海量非结构化数据中抽取结构化知识,并利用图分析进行关联关系挖掘的重要技术手段。

基于对国内各行业甲方企业的调研,爱分析认为知识图谱在应用场景上表现出四大趋势:

1、从全局考虑,企业级知识图谱平台将是未来的建设重点;

2、知识图谱在各行业的渗透度将不断提升,特别是在医疗与医药、能源等知识密集型行业;

3、金融行业仍将是知识图谱渗透较快的行业,应用场景和应用主体将不断拓展;

4、智慧城市的建设中,知识图谱将起到重要支撑作用。

在构建知识图谱的过程中,爱分析提出以下几点建议:

1、涉及到大量知识且需要挖掘关系的业务场景均可以利用知识图谱技术;

2、应以业务需求为导向搭建知识图谱,避免知识图谱平台与业务环节相脱节;

3、搭建全公司级别的知识图谱平台时,需格外注意项目周期规划、知识图谱厂商选择、平台灵活性等方面;

4、知识图谱技术在不同行业的应用场景中具有一定的通用性,可借鉴其他行业中的最佳实践案例。

极天信息入选知识图谱代表厂商——领域知识库与智能客服

01数字经济浪潮来袭,知识图谱赋能数字化转型

随着数字经济浪潮的席卷以及企业信息化建设的完善,各行各业都在拥抱数字化,利用新兴技术赋能企业数字化转型。其中,数据作为数字经济时代重要的生产资料,对数据的挖掘能力成为数字化转型成功的基石。

在快速增长的数据中,非结构化数据占比已达80%,这些非结构化数据中涵盖了更为广泛和更有价值的信息,但数据量大、数据格式多样、结构不标准且复杂等问题使得非结构化数据的处理门槛非常高。知识图谱提供了一种从海量非结构化数据中抽取结构化知识,并利用图分析进行关联关系挖掘的重要技术手段,可以洞察“肉眼”无法发现的关系和逻辑,支撑最终的业务决策。

作为人工智能的基石,知识图谱将不同知识之间进行关联形成网状知识结构,其本质是在构建行业或领域内的知识,将知识赋予给机器,在实际的业务环节中运用,从而产生更大的价值。

因此,凡是涉及到大量知识且需要挖掘关系的业务场景均可以利用知识图谱,例如银行的风控与营销、公安的刑侦与经侦、品牌商的门店运营与营销等。目前,受信息化建设水平、数字化转型进度等因素的影响,知识图谱在各个行业内的渗透率有所差异,金融、政务与公共服务等行业渗透较快,医疗与医药、零售等行业渗透较慢。

爱分析认为,在企业数字化转型的道路上,知识图谱将起到关键性的作用,未来,知识图谱在应用场景上将表现出以下四大趋势:

1、企业级知识图谱平台将是未来的建设重点。知识图谱的搭建模式有两种:第一种是从具体业务痛点出发,为企业某业务部门搭建一套知识图谱,迅速解决业务上的问题,不同业务场景可能会选择不同知识图谱厂商;另一种是从全局考虑,选择一家知识图谱厂商,搭建全公司级别的知识图谱平台,先从简单业务开始,逐渐拓展至复杂业务,最终实现不同业务场景之间的数据打通和关联。从全局考虑,全公司级别的知识图谱平台将是未来的发展趋势,但全公司级别的知识图谱平台建设周期较长,在项目周期规划、知识图谱厂商选择、平台灵活性等方面需格外注意。

2、知识图谱在各行业的渗透度将不断提升。随着技术成熟度的提高以及行业对知识图谱认可度的增加,知识图谱在行业内的渗透度将提高,特别是在医疗与医药、能源等知识密集型行业,知识图谱将发挥巨大价值。某跨国药企基层市场数字化经理表示,跨国药企对知识图谱技术抱有积极态度,基于知识图谱搭建知识问答平台,可以精准地为医生推送内容,帮助医生合理用药、正确治疗。

3、金融行业仍将是知识图谱渗透较快的行业。在应用场景上,除了常见的营销、风控以外,还将拓展至市场监管、智能投研等;行业主体也将从银行、保险延伸至证券、基金等。某证券公司金融科技部总经理表示,不论是为零售客户提供投资决策辅助和风险提示,还是机构客户的内部投顾,知识图谱技术几乎可以应用在证券公司的所有业务上。

4、智慧城市的建设中知识图谱将起到重要支撑作用。智慧城市包含民生服务、城市治理、产业经济等,知识图谱作为全局知识库,可以将城市生活数据和城市管理数据进行关联分析和挖掘,作为上层智能搜索、智能问答、智能推荐等应用的基础,赋能智慧城市的方方面面,让城市更加“聪明”。

02知识图谱全场景地图

爱分析基于对国内知识图谱厂商的调研,准确定义了23个知识图谱技术的应用场景,涵盖金融、政府与公共服务、医疗与医药、能源与工业、电信、零售等六大行业,同时遴选出在这些应用场景中具备成熟解决方案和落地能力的厂商。 (注:以下所有场景中的厂商均按音序排序)

行业场景:银行/保险/证券/基金等——领域知识库

终端用户:银行、保险、证券、基金等公司的信息科技部门与业务部门。

核心需求:

1、金融机构内部在业务运行过程中累积了大量的知识与经验,这些知识与经验存在于领域专家脑中或技术文档中,难以得到有效利用,很多金融机构尝试使用知识管理系统,但知识管理系统中的知识与知识之间存在信息孤岛,没有建立知识之间的联系,知识的管理维护、更新升级等也都存在问题;

2、 在将知识图谱技术应用于营销、风控等业务环节的过程中,本质上是建立了营销领域和风控领域的知识库,随着知识图谱技术在金融行业的渗透,金融机构开始想要打造全公司级别的知识库或知识中台,将全公司的数据进行关联,满足不同业务部门的需求,更好的推动业务运行。

厂商能力要求:

1、搭建全公司级别的知识库或知识中台涉及到的数据量巨大,需要厂商具备大规模知识图谱平台搭建能力;

2、知识库或知识中台要支撑上层多业务部门的应用,要求厂商搭建的知识图谱平台组件足够灵活;

3、在项目实施过程中厂商需要配备经验丰富的业务专家、算法专家和数据专家;

4、兼容性强,既可以作为独立的知识图谱平台,又可以与其他平台相对接,对外输出知识;

5、各个金融机构对知识库或知识中台的需求存在差异,厂商需具备定制化改造的能力,同时具备良好的服务意识;

6、除了知识图谱技术以外,厂商还需要具备自然语言处理、图计算等技术能力。

代表厂商:

行业场景:银行/保险/证券/基金等——智能客服

终端用户: 银行、保险、证券、基金等公司的客户服务中心。

核心需求:

1、随着人工客服成本的逐年上涨,客服机器人在金融领域已经开始广泛使用,但在金融领域使用的客服机器人不同于一般的聊天机器人,对回答准确率的要求较高,现阶段,客服机器人只能作为人工客服的辅助和补充,主要应用在人工客服人手不足或是对服务质量要求不高的场景上;

2、金融机构对客服机器人的智能化水平要求不断增加,需要客服机器人对问题中模糊的部分通过上下文对话的关联进行意图识别,给客户带来更好的服务体验;

3、基于知识图谱技术的客服机器人,可以理解用户意图,实现上下文交互的对话流程。

厂商能力要求:

1、厂商应具备对业务场景的理解能力,才能解决终端用户在实际业务中遇到的问题;

2、根据实际业务场景,为客服机器人构建知识体系,实现基于知识图谱的问答;

3、除了知识图谱技术以外,厂商还需要具备ASR、TTS、NLP等与智能客服相关的技术实力。

代表厂商:

行业场景:银行/保险/证券/基金等领域知识库

终端用户: 运营商信息科技部门与业务部门。

核心需求:

1、市场已经趋近于饱和的电信行业,提高服务质量是运营商争取客户的重要举措。由于人工客服的培训流程较长且人员流动性较强,建立运营商领域知识库是快速提高客服人员服务质量的有效方法。客服人员通过检索知识库获取知识,快速、准确地回答客户问题;

2、5G时代的到来,运营商更注重下沉市场。但对下沉市场的运营需要大量资源投入。建立运营商领域知识库,一线工作人员可以通过检索知识库的方式快速获取知识;

3、运营商利用知识图谱技术通过对购买人的关联关系图谱分析,可以快速获取潜在客户群体,发掘隐性商机。

厂商能力要求:

1、电信行业具有海量数据,需要厂商具备大规模知识图谱构建能力;

2、针对智能客服与客服知识库的应用场景,厂商需具备一定自然语言处理能力;

3、电信行业在构建知识图谱的过程中,需要较多定制化需求,要求厂商定制化能力较强,具备较好的服务意识;

4、电信行业内存在大量的非结构化、半结构化信息,厂商在构建知识图谱的过程中需要较强的数据治理能力。

代表厂商:

03极天信息“三位一体”知识图谱服务体系

极天信息基于十多年来在自然语言处理自然语言处理(NLP)、语义网(Ontology)与知识图谱(KG)技术创新与应用研发,拥有多项自主知识产权,打造了“软件+方法+模型”三位一体知识图谱服务体系,致力于利用人工智能技术赋能行业,助力各类企业、机构高效构建智能化应用,让商业与服务更智能。

当前已广泛应用在运营商、金融、出版、政务、法律、教育等领域,在智能知识库、智能审核、智能文本分析、智能客服、智能搜索、智能采编、人工智能教育等场景,积累了大量成功商业实践。